Chƣơng này phân tích chi tiết nghiệp vụ hệ thống, trình bày chi tiết các danh sách chức năng của hệ thống, các ca sử dụng chính của hệ thống, trình tự thực hiện của các chức năng, đồng thời cung cấp thiết kế chi tiết về cơ sở dữ liệu hệ thống, thiết kế giao diện ngƣời sử dụng làm cơ sở cho việc cài đặt và thử nghiệm hệ thống trong chƣơng 4.
56
CHƢƠNG IV: CÀI ĐẶT VÀ THỬ NGHIỆM 1. Môi trƣờng cài đặt
Hệ thống đƣợc xây dựng và triển khai dựa trên các nền tảng dƣới đây:
Ngôn ngữ lập trình:
Ứng dụng web:
+ Ngôn ngữ lập trình: PHP (5.5.40)
+ Framework: Symfony (Symfony 1.4.20) + Cơ sở dữ liệu: MySQL
+ Web server: nginx (1.7.10)
Tiến trình gửi email/sms cảnh báo: sử dụng ngôn ngữ Java (JDK7).
Môi trƣờng triển khai:
Hệ điều hành Centos (6.5 Final 64 bit)
Hệ thống phần cứng: sử dụng đƣờng truyền nội bộ, bao gồm 2 máy chủ ứng dụng, 2 máy chủ cơ sở dữ liệu, 10 máy chủ streaming server. Cấu hình tối thiểu (RAM: 8GB, CPU: Intel(R) Xeon(R) CPU E5-2620@2.00GHz (Quad core), Disk: 240GB)
2. Đánh giá hệ thống đã cài đặt
Dƣới đây là chi tiết một số chức năng chính đã cài đặt trên hệ thống camera cảnh báo giám sát.
Chức năng xem hình ảnh camera giám sát
Khi ngƣời dùng chọn chức năng xem màn hình camera giám sát, hệ thống sẽ hiển thị danh sách màn hình camera giám sát mà ngƣời dùng đƣợc phân quyền. Ngƣời dùng có thể xem chi tiết màn hình camera giám sát hoặc thay đổi giao diện xem màn hình giám sát dƣới dạng lƣới (3x3, 4x4, 2x2).
57
Hình 22: Màn hình giám sát trực tiếp camera
Chức năng xem chi tiết camera giám sát
Chức năng cho phép ngƣời dùng xem chi tiết màn hình camera giám sát, ngƣời dùng có thể chụp hình, ghi lại video giám sát hoặc điều chỉnh vùng giám sát (điều khiển xoay camera để tiện theo dõi – chức năng này tùy thuộc vào loại camera có hỗ trợ điều khiển hay không (PTZ camera), hỗ trợ zoom (in/out), xoay trái/phải, lên/xuống, chéo)
58
Chức năng cảnh báo giám sát
Tại màn hình chức năng cảnh báo giám sát, khi phát hiện sự kiện bất thƣờng tại vùng giám sát, hệ thống sẽ tự động gửi thông báo cho ngƣời phụ trách (qua email/sms, có gửi kèm video hình ảnh đƣợc chụp lại tại thời điểm phát hiện sự kiện bất thƣờng), cảnh báo bằng tín hiệu (popup cảnh báo/âm thanh cảnh báo) đồng thời ghi lại video tại thời điểm phát hiện sự kiện bất thƣờng dùng làm bằng chứng và lƣu trữ để xem lại khi cần thiết.
59
Chi tiết email cảnh báo đƣợc gửi đến cho ngƣời phụ trách
Hình 25: Chi tiết email cảnh báo
Xem danh sách chức năng
Màn hình xem danh sách chức năng, hiển thị danh sách các menu chức năng mà ngƣời dùng đƣợc phân quyền trên hệ thống phục vụ cho yêu cầu truy cập nhanh, đồng thời hiển thị kết quả thống kê số lƣợng/tỷ lệ cảnh báo chính xác theo khoảng thời gian.
60
Chức năng quản lý hình ảnh/video camera giám sát
Chức năng cho phép ngƣời dùng xem lại hình ảnh/ video giám sát đƣợc camera ghi lại, phục vụ cho các nghiệp vụ giám sát, cung cấp bằng chứng khi cần thiết. Chức năng đƣợc phân quyền chặt chẽ theo các cấp quản lý và danh sách camera mà ngƣời quản lý phụ trách. Ngƣời dùng có thể xem chi tiết hình ảnh/video camera hoặc tải về máy tính nếu cần
Hình 27: Quản lý hình ảnh/video camera
Đánh giá:
Hệ thống đƣợc cài đặt đã đáp ứng đƣợc yêu cầu của bài toán, các chức năng cài đặt đảm bảo thân thiện, dễ sử dụng và đáp ứng đầy đủ nhu cầu cảnh báo, giám sát đƣợc đề ra. Các yêu cầu bảo mật, phân quyền ngƣời dùng cũng đã đƣợc cài đặt nhằm đảm bảo an toàn cho hệ thống, tuy nhiên, một số giao diện của hệ thống chƣa thực sự thuận tiện khi ngƣời dùng sử dụng thiết bị di động.
3. Đánh giá hiệu quả cảnh báo
Môi trƣờng thử nghiệm: Thử nghiệm đƣợc áp dụng tại 1 tổng kho của
Viettel, với quy mô >80 camera đƣợc lắp đặt để giám sát, vùng giám sát bao gồm cả trong nhà và ngoài trời. Hoạt động xuất/nhập kho tại khu vực giám sát thƣờng diễn ra theo chu kỳ nhất định (ngày/tuần), điều kiện giám sát
61
(trong nhà) có chất lƣợng ánh sáng tốt, ổn định, đảm bảo thu đƣợc tín hiệu rõ nét từ camera.
Điều kiện giám sát: Điều kiện giám sát đƣợc thử nghiệm là thời tiết mùa hè,
có thể có mƣa, nắng (điều kiện quan sát tốt/có nhiễu). Thời gian giám sát 24/24 giờ, bao gồm cả buổi đêm.
Loại camera sử dụng: Sử dụng camera IP, có độ phân giải Full HD, bao
gồm các loại camera trong nhà (indoor), camera ngoài trời (outdoor), kết hợp với một số camera hồng ngoại (IR Camera) để hỗ trợ việc giám sát vào ban đêm. Các camera tƣơng thích với nền tảng công nghệ ONVIF và phù hợp với cơ chế xử lý dữ liệu, phát hiện cảnh báo đã đƣợc đề xuất tại chƣơng 2.
Phƣơng pháp thống kê: Phƣơng pháp thống kê đƣợc áp dụng là phƣơng
pháp thủ công, dựa trên việc xác nhận hiệu quả cảnh báo (chính xác/không chính xác) của nhân viên phụ trách khi nhận đƣợc tín hiệu cảnh báo từ hệ thống.
Các kết quả thử nghiệm thực tế:
STT Thời gian Số lƣợng cảnh báo (chính xác/tổng số) Tỷ lệ 1 10/6/2016 – 30/6/2016 120/150 80% 2 1/7/2016 – 31/8/2016 450/495 90.91% 3 1/9/2016 – 25/9/2016 376/420 89.52% Tổng số 946/1065 88.83% Bảng 7: Tổng hợp kết quả th nghiệm thực tế
Thực nghiệm cho thấy, các cảnh báo của các camera trong nhà cho kết quả chính xác cao hơn so với các camera ngoài trời do ít bị ảnh hƣởng bởi các yếu tố ngoại cảnh gây nhiễu nhƣ thời tiết, điều kiện ánh sáng hoặc các tác động ngoại cảnh khác. Các sự kiện cảnh báo đƣợc ghi nhận vào ban đêm cũng nhiều hơn so với ban ngày do ban đêm điều kiện giám sát (ánh sáng) không đƣợc tốt so với ban ngày.
62
Giải pháp khắc phục:
Để khắc phục những nhƣợc điểm trên, ngoài việc cải thiện các thuật toán lọc nhiễu (lọc nhiễu muối tiêu tránh điều kiện sƣơng mù, thời gian giám sát vào buổi tối…), hệ thống cần xem xét việc xây dựng chiến lƣợc giám sát dựa trên đối tƣợng đƣợc lựa chọn tại vùng giám sát, vì thực tế, đối tƣợng đƣợc quan tâm tại vùng giám sát chỉ là một hoặc một số đối tƣợng thay vì toàn bộ vùng giám sát. Để giải quyết vấn đề này, cần tập trung vào việc theo dõi đối tƣợng, phát hiện biên… để lựa chọn đƣợc đối tƣợng cần quan tâm.
Hình 28: Kết quả thực nghiệm
Đánh giá chung:
Hệ thống đã đáp ứng đƣợc yêu cầu giám sát tại những vùng ít có sự thay đổi nhƣ trong bài toán thực tế tại các tổng kho. Tỷ lệ cảnh báo chính xác cao, thời gian cảnh báo nhanh (đáp ứng đƣợc yêu cầu cảnh báo thời gian thực, thống kê cho thấy thời gian hệ thống đƣa ra cảnh báo thƣờng <= 3 giây từ khi phát hiện sự kiện bất thƣờng.)
Tuy nhiên, hệ thống chƣa tập trung sâu vào việc phân biệt, theo dõi đối tƣợng, phát hiện biên giữa đối tƣợng cần giám sát và môi trƣờng, nên khả năng hỗ
63
trợ cảnh báo vẫn chƣa hiệu quả nhƣ mong muốn, vì thực tế, trong nhiều trƣờng hợp, đối tƣợng đƣợc quan tâm chỉ là một hoặc một vài đối tƣợng trong phạm vi giám sát, đây cũng là vấn đề cần phát triển thêm trong tƣơng lai để hệ thống trở nên hoàn thiện và hữu ích hơn.
Ngoài ra, cũng nên xem xét đến việc tích hợp thêm các sự kiện cảnh báo khác nhƣ mất đối tƣợng, cảnh báo cháy, phƣơng tiện/đối tƣợng/ngƣời… chuyển động trong vùng giám sát hoặc xuất hiện đám đông tại vùng giám sát.
64
CHƢƠNG 5: KẾT LUẬN
Hệ thống đã đáp ứng đƣợc yêu cầu đặt ra, đảm bảo khả năng thích nghi đƣợc với nhiều môi trƣờng, địa hình giám sát khác nhau, bên cạnh đó, việc hỗ trợ đa nền tảng và cơ chế cảnh báo giám sát linh hoạt giúp tăng khả năng hỗ trợ, cảnh báo cho nhân viên tại các tổng kho, tuy vậy, hệ thống vẫn còn những mặt hạn chế cần phải nâng cấp để thực sự hoàn thiện và trở thành sản phẩm hữu ích cho đa số ngƣời dùng. Trong thời gian tới, tác giả sẽ nghiên cứu tập trung xây dựng nhằm tích hợp thêm các sự kiện cảnh báo thông minh và hữu ích hơn nhƣ phát hiện ngƣời, theo dõi đối tƣợng, cảnh báo cháy, kiểm tra trạng thái hoạt động của các thiết bị trong vùng giám sát... bằng cách tích hợp thêm các cảm biến nhiệt độ, cảm biến điều khiển, để hệ thống có thể đƣợc triển khai rộng rãi hơn trong tƣơng lai, ví dụ nhƣ các hệ thống tự động cảnh báo vi phạm giao thông, chấm công tự động hoặc các hệ thống điều khiển trong mô hình nhà thông minh (quản lý, điều khiển thiết bị)… nhằm mục đích đƣa sản phẩm đến gần với khách hàng và thực sự hữu ích với ngƣời dùng.
65
TÀI LIỆU THAM KHẢO
1. Lƣơng Mạnh Bá, Nguyễn Thanh Thuỷ (2003), “Nhập môn x lý ảnh số”, Nhà xuất bản Khoa học và Kỹ thuật, Hà Nội.
2. Phạm Việt Bình, Đỗ Năng Toàn (2008), “X lý ảnh”. Nhà xuất bản Khoa học và Kỹ thuật, Hà Nội.
3. Nguyễn Nhật Quang (2012), Bài giảng “Học Máy”, Đại học Bách Khoa Hà Nội, Chƣơng 5.
4. Lê Thanh Hƣơng (2012), Bài giảng “Học Máy”, Đại học Bách Khoa Hà Nội, Chƣơng 6.
5. Hoàng Văn Hiệp (2015), “X Lý Ảnh”, Đại học Bách Khoa Hà Nội, Chƣơng 5, tích chọn các đặc trƣng trong ảnh.
6. Nguyễn Hữu Đức (2011), bài giảng “Phân tích, thiết kế kiến trúc phần mềm và ứng dụng”, Đại Học Bách Khoa Hà Nội.
7. Bhabatosh Chanda, Dwijesh Dutta Maumder (2001), “Digital Image Processing and Analysis”, Prentice Hall of India.
8. Paglieroni D.W (1992), “Distance transforms: Properties and machine vision applications”. Computer Vision, Graphics and Image Proc: Graphical Models and Image Processing, 54(1):56-74.
9. Hao Jiang (2009), “Matching SIFT”, Boston College, USA
(http://www.cs.bc.edu/~hjiang/cs390/fit_sift.pdf).
10. Hao Jiang and Tai-Peng Tian, Stan Sclaroff (2011), “Scale and Rotation Invariant Matching Using Linearly Augmented Trees”, Boston, USA. (http://www.cs.bc.edu/~hjiang/papers/conference/cvpr11.pdf )
11. ONVIF (2011), “Onvif Core Specification”, California, USA. (http://www.onvif.org/specs/core/ONVIF-Core-Spec-v210.pdf ) 12. ONVIF (2011), “Application Programmer's Guide”, California, USA.
(http://www.onvif.org/Portals/0/documents/WhitePapers/ONVIF_WG-APG- Application_Programmer's_Guide.pdf ).
66
13. Daniel P. Huttenlocher, Gregory A. Klanderman, William J. Rucklidge (1993), “Comparing Images Using the Hausdorff Distance”, Cornell university, New York,USA. (https://www.cs.cornell.edu/~dph/papers/HKR-TPAMI-93.pdf) 14. David Lowe (2004), “Distinctive Image Features from Scale-Invariant
Keypoints”, International Journal of Computer Vision, 60(2), 2004, pp. 91-110. 15. J.P.Rolland, V.Vo, B.Bloss, C.K.Abbey (2000), “Fast algorithms for histogram
matching: Application to texture synthesis”, Journal of Electronic Imaging. 9(1), 39-45 (Jan 01, 2000).
16. Frank Buschmann et al. (2001), “Pattern-Oriented Software Architecture: A System of Patterns”, 1996. Part II.